我正在使用scikit中的RandomForest方法进行3D点识别。我不断遇到的一个问题是，某些类别比其他类别更经常出现。这意味着在从训练分类器生成预测的过程中，如果分类器不确定一个点类，它将更有可能假定它属于一个普通类，而不是不那么不常见的类。如何在RandomForest实现中加权类
我看到，在scikit文档for random forests中，fit方法中有一个sample_weight参数。根据我所能说的，只是对某些总体样本进行加权（例如，我有50个文件正在接受培训，它会将第一个样本加权为其他所有内容的两倍），而不是类。这并不能解决这个问题，因为在我所有的样本中，最不常见的类都很少见。这只是这个特定阶层的性质。
我发现了一些关于平衡随机森林和加权随机森林的论文。但我还没有看到如何在scikit中使用它。我希望我错了 - 有没有一种方法来减轻内置的类？我应该写一些单独的东西来人为地增加样本中不同类别的重量吗？
* 编辑澄清我sample_weight的理解* Sample_weight根据文件似乎指的是样品，而不是类的重量。所以，如果我有文件A，B和C类1，2和3 而且我们说：
A = [1 1 1 2]
B = [2 2 1 1]
C = [3 1 1 1]
展望上面我们有一个情况，很简单的，我们在其中只有很少的3级相比，其他类。我的情况有8个阶段，正在接受数百万分的训练，但这个比例对于两个特定的阶层仍然是令人难以置信的偏向。
使用sample_weight，它接受一个大小为m的数组（m是样本数），我将能够权衡这三个文件中的任何一个的工作情况。所以我的理解是，我可以做一个sample_weight = [1 1 2]，这样可以使样本C比其他两个样本强两倍。但是这并没有真正的帮助，因为我的问题是第3类是非常罕见的（在实际数据中，它是从数百万中的1k点而不是12中的1个）。增加任何给定样本的权重不会增加特定类别的权重，除非我伪造一些数据，其中样本几乎不包含该特定类别。
我在文档中找到了sklearn.preprocessing.balance_weights(y)，但我找不到任何人使用它。理论上它做我需要做的事情，但我没有看到如何将权重数组放回我的随机森林。
我不明白：“这不能解决这个问题，因为在我所有的样本中，最不常见的类很少见，只是这个特定类的性质。” 如果您将样本权重放在'sample_weight =（1/n_samples_in_same_class）'中，它将为您提供合理的类别权重值。 – ogrisel
sample_weight根据文档似乎指的是样本而非类的权重。 – Nahkki
是的，但您可以将相同的样本权重分配给同一班级的所有样本，并且您有效地加权，就好像您已提供班级权重一样。可以通过提供样本权重来模拟课堂权重，但不能相反。 – ogrisel